仓库拣货法之单人拣货法,分区拣货法,蚂蚁拣货法的优缺点分析

单人拣货法的优点：一般来讲，单一拣取的准确度较高，很少发生货差，并且机动灵活。这种方法可以根据用户要求调整拣货的先后次序；对于紧急需求，可以集中力量快速拣取；对机械化、自动化没有严格要求；一张货单拣取完毕后，货物便配置齐备，配货作业与拣货作业同时完成，简化了作业程序，有利于提高作业效率。
缺点：单人拣货法的主要适用范围方面：1. 用户不稳定，波动较大。2.用户需求种类不多。3.用户之间需求差异较大，配送时间要求不一。
分区拣货法的优点：按拣货单位分区。如将拣货区分为箱装拣货区、单品拣货区等，基本上这一分区与存储单位分区是相对应的，其目的在于将存储与拣货单位分类统一，以便拣取与搬运单元化。
按物流量分区。这种方法是按各种货物出货量的大小以及拣取次数的多少进行分类，再根据各组群的特征，决定合适的拣货设备及拣货方式。这种分区方法可以减少不必要的重复行走，提高拣货效率。
按工作分区。这种方法是指将拣货场地划分为几个区域，由专人负责各个区域的货物拣选。这种分区方法有利于拣货人员记忆货物存放的位置，熟悉各个区域的货物拣选。这种分区方法有利于拣货人员记忆货物存放的位置，熟悉货物品种，缩短拣货所需时间。
     缺点：由于无法预测下一张订单究竟是哪个区的商品比较多，所以人手很难调配，每张订单所包括的类目都比例是不一样的，造成不同分区的工作量分配变化很大，很难根据时刻变化的工作量来在各地分区之间进行调度，在旺季时会导致不能按时发货。

蚂蚁拣货法优点：如果我们为了消除这种拣货区的限制而采用个人拣货法（个人包单到底），那么我们在最后终点所收到的订单的顺序会全部打乱，订单的次序是根据送货路程长短排好的，为了方便装卸以及避免重复搬运和移动。打乱次序后不论有没有重新排序都会影响到配送速度。除此之外，相比分区拣货法，拣货员需要熟悉几乎每个商品的放置方位，这势必会降低工人的拣货速度和准确率。
由此可以看出，我们需要的是一种拣货方法可以适当的规划拣货员的活动范围，由此提高他的拣货效率，但是又不能改变订单的顺序而且还要使每个拣货员的效率达到最高（拣货员一直保持工作，不空闲）。Bucket brigade system（蚂蚁拣货法）正好满足了以上所有的要求。
我们不妨拿一群蚂蚁搬一堆面包屑的行动来解释一下这个系统。它们通常在面包屑堆和目的地之间排成一条直线，运输工作开始后，第一只蚂蚁驮着一粒面包屑向第二只爬去，而同时第二只也向第一只爬，二只相向而行，直到互相碰头。这时，第一只蚂蚁把背上的面包悄放下后马上转身去搬运下一粒，而第二只蚂蚁则举起地上的那粒面包屑向后转，爬向第三只蚂蚁，同时第三只也向第二只爬去接货，二者仍是相向而行，直到碰头交货……这样循环往复，每只蚂蚁都不闲着，共同提高团队工作的效率。
在这个系统中，找到下一个伙伴传递工作才是关键点，而不是像分区拣货法那样以区域为限制。所以虽然面包屑有大有小，蚂蚁爬行的速度也有快有慢，但因为没有区域的限制，爬得快的蚂蚁可以多作一点贡献来帮助爬得慢的兄弟，这样的团队合作法像一根无形的指挥棒，不断的调整着各个蚂蚁所分配到的工作量，共同造就一个完美平衡的工作系统。
把拣货员看作蚂蚁，把装货物的小车以及随着小车走的订单当成面包屑，这个系统也能在黄豪的仓库中得到有效的应用。因为仓库的整个拣货工作也是拿着订单、推着拣货小车、沿着拣货路线、遍历所有拣货区的过程。当小车经过了所有的货架，一张订单的拣货工作也就完成了。
这样的团队合作法像一根无形的指挥棒，不断的调整着各个蚂蚁所分配到的工作量，共同造就一个完美平衡的工作系统。
把拣货员看作蚂蚁，把装货物的小车以及随着小车走的订单当成面包屑，这个系统也能在黄豪的仓库中得到有效的应用。因为仓库的整个拣货工作也是拿着订单、推着拣货小车、沿着拣货路线、遍历所有拣货区的过程。当小车经过了所有的货架，一张订单的拣货工作也就完成了。
所以黄豪可以依照这个思路对现有的拣货系统进行改良，取消各个工人的工作区域限制，沿着拣货路线，靠近起点（办公室）的称为上游，靠近终点（装货区）的则称之为下游。当每个拣货员从上游那里接过订单和拣货车，就沿着拣货路线进行拣货，直到遇到回来拿订单的下游拣货员，便把订单和拣货车移交给他，自己则往回走，直到遇到上游拣货员，又开始一个新的循环，每个拣货员都在上游和下游的同伴之间作往复运动，而非在固定区域之间，交接点可能每次都是在不同的地方。




缺点：那就是由于某个拣货员的速度比较快，或者正好手上这张订单的项目比较少，使得他赶上了下游的拣货员，而下游手上的订单还没做完，这种现象俗称“追尾”。
在实际操作中，追尾现象可能频繁发生，使蚂蚁系统的效率大打折扣。发生追尾时，拣货员如果等待，同样会浪费他们的时间，影响团队工作效率。而他们若是为了追求速度而越过下游自行拣货，再送到下游的下游手中，这样则会打乱订单的次序。







1 76